| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 本文组织结构 | 第16-17页 |
| 第二章 深度卷积神经网络在乳腺X线图像分类上的应用 | 第17-41页 |
| 2.1 卷积神经网络理论基础 | 第17-25页 |
| 2.1.1 人工神经网络与深度学习 | 第17-20页 |
| 2.1.2 卷积神经网络的原理和结构 | 第20-25页 |
| 2.2 实验与结果分析 | 第25-40页 |
| 2.2.1 实验平台 | 第25-26页 |
| 2.2.2 预处理 | 第26-29页 |
| 2.2.3 实验模型构建 | 第29-31页 |
| 2.2.4 超参数选择 | 第31-35页 |
| 2.2.5 网络优化 | 第35-36页 |
| 2.2.6 评价标准 | 第36-38页 |
| 2.2.7 结果分析 | 第38-40页 |
| 2.3 本章小结 | 第40-41页 |
| 第三章 基于迁移学习的深度卷积神经网络的乳腺X线图像的分类 | 第41-55页 |
| 3.1 迁移学习 | 第41-42页 |
| 3.2 深度卷积神经网络经典模型 | 第42-48页 |
| 3.2.1 VGG Nets | 第42-43页 |
| 3.2.2 GoogleNet | 第43-45页 |
| 3.2.3 Inception V3 | 第45-47页 |
| 3.2.4 ResNet | 第47-48页 |
| 3.3 实验与结果分析 | 第48-53页 |
| 3.3.1 实验模型构建 | 第48-50页 |
| 3.3.2 超参数和正则化 | 第50页 |
| 3.3.3 结果分析 | 第50-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第四章 总结与展望 | 第55-57页 |
| 4.1 全文总结 | 第55-56页 |
| 4.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 致谢 | 第64页 |